Online Support Vector Machine
Online SVM adaptuje klasický Support Vector Machine na proudová nebo sekvenčně přicházející data aktualizací rozhodovací hranice po jednom příkladu, namísto řešení globálního kvadratického programu. Algoritmy jako Pegasos a LASVM umožňují jeho zvládnutí ve velkém měřítku, přičemž zachovávají ducha SVM maximalizujících mezní úroveň s podlineárním časem na aktualizaci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Shalev-Shwartz, S., Singer, Y., Srebro, N., & Cotter, A. (2011). Pegasos: Primal estimated sub-gradient solver for SVM. Mathematical Programming, 127(1), 3–30. DOI: 10.1007/s10107-010-0420-4 ↗
- Bordes, A., Ertekin, S., Weston, J., & Bottou, L. (2005). Fast kernel classifiers with online and active learning. Journal of Machine Learning Research, 6, 1579–1619. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/cs/machine-learning/online-support-vector-machine
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Online Gradient BoostingStrojové učení↔ compare
- Online LearningStrojové učení↔ compare
- Online Logistic RegressionStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →